近年來,電動(dòng)汽車行業(yè)在世界范圍獲得了飛速發(fā)展,而車載電池管理系統(tǒng)（Battery Management System,簡稱BMS）的性能對電動(dòng)汽車的能量管理、安全性有較大影響。電池的荷電狀態(tài)（State of Charge,簡稱SOC）估計(jì)是BMS的核心功能之一,BMS的SOC估計(jì)精度是衡量其性能的關(guān)鍵性指標(biāo)之一。目前主流的SOC估計(jì)算法均未考慮電池老化的情況,在電池壽命周期的中后段其估計(jì)精度會(huì)大幅下降。本文針對這一現(xiàn)狀,設(shè)計(jì)了一種基于改進(jìn)單粒子模型（Improved Single Particle Model,簡稱SP+）及雙自適應(yīng)擴(kuò)展卡爾曼濾波算法（Dual Adaptive Extended Kalman Filter,簡稱雙AEKF）的鋰離子電池全壽命SOC估計(jì)算法,相對于傳統(tǒng)的SOC估計(jì)算法,該算法在電池的整個(gè)壽命周期均有更高的SOC估計(jì)精度。具體工作如下:首先,針對當(dāng)前SOC估計(jì)相關(guān)研究工作未考察電池老化的情況,本文實(shí)施了鋰離子電池老化實(shí)驗(yàn)以探究老化過程中電池參數(shù)變化情況,而后基于上述電池老化數(shù)據(jù)對各模型參數(shù)進(jìn)行了敏感度分析以考察鋰離子電池各模型參數(shù)變化對SOC估計(jì)精度的影... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：81 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

鋰離子電池模型分類

度在電池壽命周期的中后段會(huì)不可定的模型參數(shù)在 SOC 估計(jì)算法中進(jìn)章將實(shí)施 1C 及 1.5C 兩個(gè)循環(huán)倍率離子電池 SP+模型參數(shù)敏感度分析而后依據(jù)敏感度分析的結(jié)果進(jìn)行 SO計(jì)算法中進(jìn)行在線修正的參數(shù)。流程在不同老化倍率下的退化情況，本文，兩組實(shí)驗(yàn)除循環(huán)倍率不同外其他介紹本實(shí)驗(yàn)的基本流程。驗(yàn)所使用的電池為日本三洋公司生產(chǎn)其標(biāo)稱容量為 840mAh，使用的電池能測試儀，具體實(shí)驗(yàn)流程見圖 2-1。

圖 2-2 動(dòng)態(tài)辨識(shí)工況 2-2 所示，用于辨識(shí)模型參數(shù)的動(dòng)態(tài)工況由一系列充放電激勵(lì)應(yīng)在時(shí)間常數(shù)上的差異，在動(dòng)態(tài)工況的部分區(qū)段，會(huì)有特定位，SP+模型的參數(shù)辨識(shí)正是通過在這些特定區(qū)段解析電流、具體過程如下：辨識(shí)基本工作過程對應(yīng)的 5 個(gè)模型參數(shù)，基本工作過程決定電勢，在小倍率放電條件下開路電勢取值與鋰離子電池端電壓本工作過程對應(yīng)參數(shù)使用 0.02C 的小倍率放電實(shí)驗(yàn)進(jìn)行，獲取流數(shù)據(jù)后使用最小二乘法擬合即可得到所需參數(shù)。辨識(shí)歐姆極化相關(guān)參數(shù) Rohm，歐姆極化過程在上述機(jī)理過程此對鋰離子電池施加高頻電流激勵(lì)時(shí)產(chǎn)生的過電勢與歐姆過用的鋰離子電池內(nèi)阻測試儀即基于上述原理對歐姆極化過程 Rohm。辨識(shí)反應(yīng)極化相關(guān)參數(shù) Pact，反應(yīng)極化過程時(shí)間常數(shù)比歐姆極識(shí)工況中施加電流激勵(lì)瞬間產(chǎn)生的過電勢即為歐姆極化過電

【參考文獻(xiàn)】：
期刊論文
[1]電動(dòng)汽車電池管理系統(tǒng)研究現(xiàn)狀及發(fā)展趨勢[J]. 符曉玲,商云龍,崔納新.  電力電子技術(shù). 2011(12)
[2]電動(dòng)汽車與動(dòng)力電池[J]. 艾新平,楊漢西.  電化學(xué). 2011(02)
[3]數(shù)據(jù)驅(qū)動(dòng)控制理論及方法的回顧和展望[J]. 侯忠生,許建新.  自動(dòng)化學(xué)報(bào). 2009(06)



本文編號(hào)：3068508